Aí vem ela. Inteligência Artificial com Microsoft Power BI. E onde você vai aprender em primeira mão? Aqui na DSA, claro! Confira neste artigo o que espera por você!

Recentemente a Microsoft anunciou que o pacote de análise de negócios Power BI vai incluir uma variedade de funcionalidades de Inteligência Artificial que dará aos Cientistas de Dados novas formas de executar tarefas utilizando funcionalidades de IA e que usuários utilizem os serviços no melhor estilo self-service.

Os novos recursos, incluindo reconhecimento de imagem, análise de texto e integração com o Microsoft Azure Machine Learning, foram anunciados por Arun Ulag, gerente geral de engenharia do projeto Power BI no blog do Microsoft Power BI (link ao final do artigo):

“O Power BI possibilita que todos os funcionários de uma organização tomem melhores decisões com base em dados com relatórios e dashboards profissionais”, escreveu ele. Mas, devido aos enormes volumes de dados gerados pelas empresas, encontrar os insights nesses dados pode ser um desafio.

“É aí que a inteligência artificial pode ajudar”, escreveu ele, vasculhando os dados para encontrar automaticamente padrões e ajudar os usuários a entender o que os dados significam, além de prever resultados que ajudem as empresas a tomar melhores decisões.

“Há grandes oportunidades quando os funcionários de uma organização podem aproveitar a inteligência artificial para melhorar os resultados de negócios”, escreveu Ulag, mas os Cientistas de Dados, que normalmente trabalham com ferramentas de inteligência artificial, não têm tempo para ajudar usuários individuais.

É aí que os recursos da última versão do Power BI podem ajudar, escreveu ele. Outros novos recursos incluem a análise do driver principal que ajudará os usuários a entender quais fatores podem influenciar as principais métricas de negócios, bem como a capacidade de criar modelos de aprendizado de máquina diretamente no Power BI usando o aprendizado de máquina automatizado (Auto ML).

“Todos esses novos recursos de IA – criados no Azure e agora disponíveis no Power BI – não exigem código”, escreveu Ulag. “Isso permite que todos os usuários do Power BI descubram percepções ocultas e acionáveis em seus dados e gerem melhores resultados de negócios com um sistema de IA fácil de usar.”

O Power BI já inclui o uso de alguns recursos de IA, como a linguagem natural, que permite aos usuários obter respostas fazendo perguntas em linguagem simples e o Quick Insights, que localiza automaticamente os padrões nos dados.

Em resumo, a história é bem simples. A Microsoft está introduzindo quatro novos recursos relacionados a IA no Power BI:

– Integração com os Serviços Cognitivos do Azure
– Integração de modelos de Machine Learning hospedados no Azure Machine Learning, incluindo aqueles criados em bancos de dados do Azure
– A capacidade de criar e, em seguida, usar modelos de Machine Learning usando o AutoML
– Uma nova visualização de análise de driver chave que revela quais colunas e valores geram resultados específicos para colunas de dados que servem como medidas ou KPIs (Key Performance Indicators, indicadores-chave de desempenho). Vejamos um breve resumo dos recursos de Inteligência Artificial com Microsoft Power BI que estão vindo por aí.

Acesso aos Serviços Cognitivos

A integração dos modelos hospedados do Azure Cognitive Services e do Azure ML foi lançada a partir do recém-anunciado recurso Data Flows do Power BI, que é essencialmente uma implementação hospedada em nuvem do recurso de preparação de dados de autoatendimento do Power Query disponível no Power BI Desktop há algum tempo. A chave para obter acesso aos recursos de IA é clicar em um novo botão da barra de ferramentas “AI Insights” na interface do usuário do Data Flows.

A partir daí, os usuários podem selecionar se desejam usar um modelo do Azure Cognitive Services ou um modelo hospedado no Azure Machine Learning criado e compartilhado com o usuário do Power BI por um Cientista de Dados. Em nenhum dos casos, o usuário do Power BI precisa de quaisquer serviços provisionados do Azure nem mesmo uma assinatura do Azure.

Se o usuário escolher a opção Serviços Cognitivos do Azure, ele poderá, além disso, selecionar se deseja executar detecção de idioma, detecção de imagem, extração de frase-chave ou pontuação de sentimento. A equipe da Microsoft garante que mais opções de Serviços Cognitivos do Azure serão incorporadas e esses quatro serviços são apenas os oferecidos inicialmente.

Seleções de Coluna

Depois de escolher um serviço, o usuário precisa conectar quais colunas no conjunto de dados são mapeadas para os parâmetros de entrada para o modelo de Serviços Cognitivos e, em seguida, clicar em um botão “Invocar”. A partir daí, a saída do modelo previsto para cada linha no conjunto de dados aparecerá em uma nova coluna calculada, adicionada no final.

Os usuários avançados ficarão interessados em saber que, como em qualquer coluna calculada, o conteúdo dessas colunas especiais são apenas fórmulas construídas na linguagem de programação M usada pelo Power Query. Isso sugere que a chamada de Serviços Cognitivos no Power BI pode ser roteirizada, em vez de ser acionada exclusivamente por meio da interface do usuário.

A demonstração da Microsoft envolveu um conjunto de dados com vários comentários de clientes de hotel e modelos de Serviços Cognitivos foram usados para fornecer uma pontuação de sentimento no texto de avaliação feita pelos clientes, extrair frases-chave e visualizá-las em uma visualização personalizada de nuvem de palavras e, em seguida, extrair e marcar imagens (legenda) das avaliações. Toda essa saída foi facilmente visualizada em um relatório do Power BI de uma única página.

Azure Machine Learning

Para modelos hospedados no Azure ML, a experiência é semelhante à dos Serviços Cognitivos: selecione um modelo, conecte as colunas do conjunto de dados aos parâmetros de entrada do modelo ML, clique em “Invoke” e recupere um resultado. A principal diferença é que a previsão resultante retorna como um registro de várias colunas que precisa ser expandido; Felizmente, o Power Query e o Data Flows têm exatamente essa função de expansão incorporada.

Uma outra diferença é o nível de assinatura do Power BI necessário para cada um desses recursos. Pelo menos para a visualização privada, uma assinatura do Power BI Premium é necessária para a integração dos Serviços Cognitivos. O acesso aos modelos hospedados no Azure ML (incluindo aqueles criados em Azure Databricks) deve exigir apenas uma assinatura do Power BI Professional.

Construa o Seu Próprio Modelo

A jóia da coroa neste conjunto de novos recursos de IA é provavelmente a capacidade de criar um modelo próprio usando o AutoML do Azure. Aqui está a receita para fazê-lo funcionar:

– Na visualização Fluxo de Dados no serviço em nuvem do Power BI, clicamos no ícone “cérebro” de um fluxo específico e, em seguida, clicamos em “Adicionar um modelo de aprendizado de máquina” no menu de contexto.
– Selecionamos o tipo de modelo desejado (Classificação Binária, Classificação Geral, Regressão ou Previsão, cada uma das quais é explicada).
– Especificamos qual coluna do conjunto de dados para usar como a coluna prevista (o “rótulo”, no jargão da ciência de dados).
– Revisamos as colunas já selecionadas para você pelo AutoML para usar como colunas de entrada para o modelo (os “recursos”, no jargão da ciência de dados), ignorando essas seleções se desejar.
– Nomeamos o modelo e selecionamos os valores desejados que apareçam para cada classificação prevista.

Após estas etapas do assistente, o Power BI e o AutoML irão então selecionar o algoritmo apropriado e os valores dos parâmetros de acompanhamento para você – tudo o que acontece nos bastidores – criar e treinar o modelo, e adicionar uma coluna de saída calculada ao seu conjunto de dados. À medida que novos dados são adicionados à tabela (que o Data Flows pode automatizar, por meio de atualização incremental programada), novos valores previstos serão adicionados a essa coluna.

O Power BI também fornecerá um relatório que avalia a precisão do modelo. Enquanto este relatório é gerado automaticamente, é realmente apenas um relatório padrão que consiste de uma coleção de visualizações e um limiar de confiança. Isso demonstra bem a adequação das ferramentas de BI para gestão de modelo ML, e meu palpite é que a edição do relatório ajudará os especialistas de BI aprender muito sobre como determinar a precisão do modelo ML. E se o profissional já domina os conceitos de Machine Learning, terá uma ferramenta produtiva em mãos.

Análise de Driver Chave

O último recurso a ser discutido é o Key Driver Analysis, que usa IA, mas não “parece” IA. Em vez disso, os usuários simplesmente arrastam uma visualização especial para o relatório e configuram a coluna “Destino” e a coleção de colunas “Explicar por” nos campos no Power BI Desktop. Simplesmente fazendo isso, aparece uma visualização “Principais influenciadores”, que mostra quais valores para colunas “Explicação por” em particular afetam mais significativamente o valor da coluna “Destino”. Um modo de exibição alternativo “Perfis principais” faz o mesmo para combinações específicas e estatisticamente interessantes de valores de coluna “Explicar por”. Simples e útil.

Fazendo um balanço

A Microsoft fez um trabalho muito valioso aqui. Para começar, a equipe do Power BI integrou vários serviços diferentes do Azure e os tornou prontos, sem a necessidade de assinatura do Azure.

Mas o que a equipe também fez foi adequar toda essa tecnologia de IA ao contexto de BI. Os recursos são invocados a partir de uma ferramenta de preparação de dados (ou, para Análise de driver chave, uma visualização especial). Tudo no lado da entrada é realmente apenas colunas de uma tabela; tudo no lado da saída é apenas uma coluna calculada na mesma tabela, usando a linguagem de expressão padrão para essas colunas. O gerenciamento de modelos é implementado em um relatório padrão e as previsões são visualizadas da mesma forma que outras tarefas.

Isso significa que tudo que já está no Power BI pode ser usado. Por exemplo, um gráfico de barras que mostra a pontuação de sentimento por marca pode ser criado usando a interface de linguagem natural Q&A do Power BI (que, no aplicativo móvel Power BI, pode ser direcionada por voz). Filtragem de dados em um fluxo de dados pode ser usado para criar um modelo nas linhas e colunas mais relevantes. As segmentações padrão podem ser aplicadas à saída da análise de driver chave e a qualquer saída de modelo também.

Em outras palavras, o Power BI adaptou muitos serviços relacionados a IA do Azure ao paradigma de BI e os tornou acessíveis a pessoas com conjuntos de habilidades de BI. Esses novos recursos do Power BI definem um precedente novo e bem-vindo, que ajudará Cientistas de Dados experientes e usuários buscando criar seus próprios relatórios e análises self-service.

Aqui na DSA já temos um curso gratuito de excelência em Power BI – Microsoft Power BI Para Data Science e o curso Big Data Analytics com R e Azure Machine Learning, curso mais vendido em nossa plataforma. Chegou a hora de ter um curso avançado de Power BI, associado aos serviços em nuvem oferecidos pela Microsoft e agora com os recursos de IA. Nossa equipe especialista em Machine Learning já está debruçada nos novos recursos de IA do Power BI e vai trazê-los em primeira mão para o Brasil, 100% em português. Todos os alunos do novo curso de Power BI Avançado receberão o conteúdo! Isso não é incrível?

O Power BI Avançado vai estar presente no próximo lançamento da Data Science Academy, uma Formação focada em soluções Microsoft para Ciência de Dados:

Formação Desenvolvedor Microsoft Para Data Science e IA

Uma Formação 100% Microsoft. A Formação começa com algo inédito em língua portuguesa: Machine Learning com linguagem C# e ML.NET para aplicações desktop, tudo desde o básico em programação até a construção de modelos de Machine Learning. Na sequência, ele, o desejado, cobiçado, amado: Power BI avançado para aprender a extrair análises customizadas e profissionais.

Depois um mergulho no ambiente em nuvem da Microsoft, o Azure, com 2 cursos completos ensinando em detalhes: Bancos de dados SQL Server, NoSQL, Data Lake, IoT, Cognitive Services, Visão Computacional, Processamento de Linguagem Natural, Chatbots, Sistemas de Recomendação e muito mais. Serão 4 cursos e um projeto final:

Curso 1 – Programação e Machine Learning com C#
Curso 2 – Power BI Avançado Para Análise de Dados
Curso 3 – Armazenamento e Processamento em Nuvem com Microsoft Azure
Curso 4 – Cloud Computing para Data Science e Inteligência Artificial
Projeto Final

Faça seu cadastro gratuito em nosso portal e fique atento ao seu e-mail para ser avisado sobre o lançamento em primeira mão: